算法的时间复杂度和问题规模_算法的时间复杂度

【大O表示法】算法的渐进时间复杂度:

823cb35ad72b5238259b442c1d5dab0f.png

一般情况下,随着n的增大,T(n)增长最慢的算法为最优算法。 

 2542e44f1b39339289769622c7b44b4e.gif

一、推导大O阶的方法1. 用常数1取代运行时间中的所有加法常数。 2.在修改后的运行次数函数中, 只保留最高阶项 。 3.如果最高阶项存在且不是1, 则去除与这个项相乘的常数。得到的结果就是大O阶。

4d43daa1316fb5617aa22674545210cd.gif

二、时间复杂度的计算规则

1.常数阶 程序中的基本操作按一个操作步骤计算,如执行一个打印语句、算术运算、逻辑运算、赋值运算、字符串拼接、返回值等,每一个操作步骤的时间复杂度为1。 例:
void fun(){     System.out.println("Hello,World");//执行了1次,所以时间复杂度为:O(1)   }
注意:不管这个常数是多少,我们都记作O(1),而不能是O(3)、O(12)等其他任何数字。 例:
 void fun(){     int i=1;//执行了1次     i=i+1;//执行了1次     System.out.println("Hello");//执行了1次     //1+1+1=3,总共执行了3次,但是时间复杂度为:O(1)   }
事实上无论n为多少,上面的两段代码就是1次和3次执行的差异。 这种与问题的大小无关(n的多少),执行时间恒定的算法,我们称之为具有O(1)的时间复杂度,又叫常数阶。对于分支结构而言,无论是真,还是假,执行的次数都是恒定的,不会随着n的变大而发生变化 ,所以单纯的分支结构(不包含在循环结构中),其时间复杂度也是O(1)。 2.线性阶线性阶的循环结构会复杂很多。要确定某个算法的阶次,我们常常需要确定某个特定语句或某个语句集运行的次数。因此,我们要分析算法的复杂度,关键就是要分析循环结构的运行情况。例:
 void fun(int n){         for(int i=0;i<=n;i++){      System.out.println("hello");//执行了n次,所以时间复杂度为:O(n)    }   }
3.对数阶例:
 void fun(int n){    int i=1;    while(i      i=i*2;//循环多少次,i才会大于n?    }   }
我们一起来推导一下:2^k=n(k是循环的次数) 用对数表示为k = log2n,时间复杂度记为O(log2n), 常数可以忽略 ,所以最后是O(logn)称之为对数阶 4.平方阶例:
 void fun(int n){    for(int i=0;i      for(int j=0;j        System.out.println("Hello,World");      }    }   }
上面这个例子,对于内循环的时间复杂度为O(n),对于外层的循环,不过是内部这个时间复杂度为O(n)的语句,再循环n次。所以这段代码的时间复杂度为O(n^2)。下面我们再来看一个例子:
 void fun(int n,int m){          for (int i=0;i         for (int  j=0;j           System.out.println("Hello,World");         }     }   }
按照上面的分析,如果外循环的循环次数改为了m,时间复杂度就变为O(m×n)。所以我们得出一个结论 :循环的时间复杂度等于循环体的复杂度乘以该循环运行的次数。 对于条件判断语句,总的时间复杂度等于其中 时间复杂度最大的路径 的时间复杂度。
void fun(int n) {    if (n >= 0) {      // 第一条路径时间复杂度为 O(n^2)      for (int i = 0; i < n; i++) {        for (int j = 0; j < n; j++) {          System.out.println("Hello,World");        }      }    } else {      // 第二条路径时间复杂度为 O(n)      for (int j = 0; j < n; j++) {        System.out.println("Hello,World");      }    }      }
此时时间复杂度为 max(O(n^2), O(n)),即 O(n^2)。时间复杂度分析的基本策略是:从内向外分析,从最深层开始分析。如果遇到函数调用,要深入函数进行分析。

4d43daa1316fb5617aa22674545210cd.gif

三、常见的时间复杂度比较如下: O(1) < O(logn) < O(n) < O(nlogn) < O(n^2) < O(n^3)  O(2^n) 

42658e18fcae9521ce13f67080a803ec.png

 2542e44f1b39339289769622c7b44b4e.gif

这个就是今天的笔记啦352ce0c1b40f72a1112ec49ea873e7a3.png

以后每天学习算法的时候,文章的末尾都会分析一下算法的时间复杂度f21d439f3cbe538f80ff46683cc85d06.png

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值